28]火焰特征的提取是先利用火焰(著火點(diǎn))在中紅外與遠(yuǎn)紅外波段會(huì)出現(xiàn)明顯的溫度飽和(高亮)的性質(zhì)來(lái)確定圖像中的火焰區(qū)域，再提取火焰區(qū)域的形狀、面積、紋理及輪廓特征。
[0029]上述各個(gè)特征的具體提取算法為本領(lǐng)域已有技術(shù)，在此不再贅述。
[0030]在其他實(shí)施例中，訓(xùn)練識(shí)別模型所用的特征不一定包含上述全部?jī)?nèi)容，可以僅使用其中一部分。人們依據(jù)圖庫(kù)中的多光譜圖像中是否有火情以及火情等級(jí)為圖庫(kù)中的圖像附上標(biāo)簽值，本實(shí)施例中的標(biāo)簽值分為不含有火情、一級(jí)強(qiáng)度的火情、二級(jí)強(qiáng)度的火情或三級(jí)強(qiáng)度的火情。當(dāng)然標(biāo)簽值并不局限于此種分類，在其他實(shí)施例中還可以對(duì)其進(jìn)一步細(xì)分。
[0031]本實(shí)施例中采用的識(shí)別模型為深度學(xué)習(xí)網(wǎng)絡(luò)模型(De印Belief Networks，DBN)，參見圖2，該模型是模擬人腦深度網(wǎng)絡(luò)層次架構(gòu)及問(wèn)題抽象特征的處理方式，由多層受限玻爾茲曼機(jī)網(wǎng)絡(luò)和一層反向傳播網(wǎng)絡(luò)組成。由于采用模擬人腦多層結(jié)構(gòu)的方式，它能對(duì)輸入數(shù)據(jù)從低層到高層漸進(jìn)地進(jìn)行特征提取，最終形成適合林火煙霧探測(cè)以及火災(zāi)等級(jí)判別的較理想特征，準(zhǔn)確實(shí)現(xiàn)對(duì)森林中可能的火點(diǎn)、煙霧以及火災(zāi)等級(jí)的分類。
[0032]深度學(xué)習(xí)網(wǎng)絡(luò)的訓(xùn)練，是指用兩種圖庫(kù)中的圖像分批對(duì)網(wǎng)絡(luò)的各層次進(jìn)行訓(xùn)練，得到各層次網(wǎng)絡(luò)的前向與后向權(quán)值，以及整個(gè)網(wǎng)絡(luò)的權(quán)值。
[0033]B、識(shí)別模型在線檢測(cè)階段
1.無(wú)人機(jī)在巡航過(guò)程中實(shí)時(shí)獲取目標(biāo)森林區(qū)域的多光譜圖像并提取該圖像的特征；
2.將I中的特征輸入到訓(xùn)練后的識(shí)別模型中，識(shí)別模型計(jì)算得到該特征對(duì)應(yīng)的標(biāo)簽值。
[0034]如果存在著火點(diǎn)和煙霧，判定火災(zāi)等級(jí)，無(wú)人機(jī)進(jìn)行持續(xù)跟蹤；同時(shí)向地面監(jiān)控中心預(yù)警，傳輸實(shí)時(shí)圖像，提供著火點(diǎn)、煙霧位置。如果不存在林火及煙霧，則持續(xù)進(jìn)行拍攝，直至巡航結(jié)束。
[0035]第二實(shí)施例本實(shí)施例在第一實(shí)施例的基礎(chǔ)上做了進(jìn)一步改進(jìn)，引入了識(shí)別模型在線訓(xùn)練步驟。
[0036]考慮到無(wú)人機(jī)巡航拍攝到的多光譜圖像差異較大，為了提高訓(xùn)練模型的識(shí)別準(zhǔn)確度需要不斷引入新的訓(xùn)練樣本。
[0037]本實(shí)施例采取的措施是無(wú)人機(jī)將獲取的目標(biāo)森林區(qū)域的多光譜圖像送給識(shí)別模型的同時(shí)還將此圖像傳輸給監(jiān)控中心的服務(wù)器；監(jiān)控中心的工作人員人工判斷該圖像的標(biāo)簽值；然后將該圖像的標(biāo)簽值反饋給無(wú)人機(jī)；在無(wú)人機(jī)上，利用該圖像的特征及人工判斷得到的標(biāo)簽值訓(xùn)練所述識(shí)別模型，對(duì)識(shí)別模型整個(gè)網(wǎng)絡(luò)的權(quán)值進(jìn)行微調(diào)。
[0038]本發(fā)明并不局限于前述的【具體實(shí)施方式】。本發(fā)明擴(kuò)展到任何在本說(shuō)明書中披露的新特征或任何新的組合，以及披露的任一新的方法或過(guò)程的步驟或任何新的組合。
【主權(quán)項(xiàng)】
1.一種無(wú)人機(jī)多光譜圖像的智能林火識(shí)別方法，其特征在于，包括: 步驟1:提取標(biāo)準(zhǔn)多光譜森林圖庫(kù)中圖像的特征，提取無(wú)人機(jī)航拍得到的目標(biāo)森林區(qū)域的多光譜圖庫(kù)中圖像的特征，利用兩種圖庫(kù)中各個(gè)圖像的特征及標(biāo)簽值訓(xùn)練識(shí)別模型；所述標(biāo)簽值為含有火情或不含有火情； 步驟2:無(wú)人機(jī)實(shí)時(shí)獲取目標(biāo)森林區(qū)域的多光譜圖像并提取該圖像的特征； 步驟3:將步驟2中的特征輸入到訓(xùn)練后的識(shí)別模型中，識(shí)別模型計(jì)算得到該特征對(duì)應(yīng)的標(biāo)簽值。
2.根據(jù)權(quán)利要求1所述的一種無(wú)人機(jī)多光譜圖像的智能林火識(shí)別方法，其特征在于，還包括步驟4:無(wú)人機(jī)將步驟2中獲取的目標(biāo)森林區(qū)域的多光譜圖像傳輸給監(jiān)控中心的服務(wù)器；監(jiān)控中心的工作人員人工判斷步驟2中獲取的目標(biāo)森林區(qū)域的多光譜圖像的標(biāo)簽值；將該圖像的標(biāo)簽值反饋給無(wú)人機(jī)；利用該圖像的特征及人工判斷得到的標(biāo)簽值訓(xùn)練所述識(shí)別模型。
3.根據(jù)權(quán)利要求1或2所述的一種無(wú)人機(jī)多光譜圖像的智能林火識(shí)別方法，其特征在于，所述識(shí)別模型為深度學(xué)習(xí)網(wǎng)絡(luò)模型。
4.根據(jù)權(quán)利要求1所述的一種無(wú)人機(jī)多光譜圖像的智能林火識(shí)別方法，其特征在于，圖像的特征包括溫度特征、煙霧特征及火焰特征；其中煙霧特征包括以下特征中的一種或多種:煙霧形狀特征、煙霧面積特征、煙霧紋理特征、煙霧輪廓特征；火焰特征包括以下特征中的一種或多種:火焰形狀特征、火焰面積特征、火焰紋理特征、火焰輪廓特征。
5.根據(jù)權(quán)利要求4所述的一種無(wú)人機(jī)多光譜圖像的智能林火識(shí)別方法，其特征在于，所述標(biāo)簽值為不含有火情、一級(jí)強(qiáng)度的火情、二級(jí)強(qiáng)度的火情或三級(jí)強(qiáng)度的火情。
6.一種無(wú)人機(jī)多光譜圖像的智能林火識(shí)別裝置，其特征在于，包括: 實(shí)時(shí)目標(biāo)森林區(qū)域的多光譜圖像特征提取模塊，用于接收無(wú)人機(jī)實(shí)時(shí)拍攝的目標(biāo)森林區(qū)域的多光譜圖像，并提取該圖像的特征； 煙火識(shí)別模塊，用于將實(shí)時(shí)目標(biāo)森林區(qū)域的多光譜圖像特征提取模塊輸出的特征輸入到訓(xùn)練后的識(shí)別模型中，識(shí)別模型計(jì)算得到該特征對(duì)應(yīng)的標(biāo)簽值；所述標(biāo)簽值為含有火情或不含有火情。
7.根據(jù)權(quán)利要求6所述的一種無(wú)人機(jī)多光譜圖像的智能林火識(shí)別裝置，其特征在于，還包括識(shí)別模型離線訓(xùn)練模塊，用于提取標(biāo)準(zhǔn)多光譜森林圖庫(kù)中圖像的特征，提取無(wú)人機(jī)航拍得到的目標(biāo)森林區(qū)域的多光譜圖庫(kù)中圖像的特征，利用兩種圖庫(kù)中各個(gè)圖像的特征及標(biāo)簽值訓(xùn)練識(shí)別模型。
8.根據(jù)權(quán)利要求6所述的一種無(wú)人機(jī)多光譜圖像的智能林火識(shí)別裝置，其特征在于，還包括識(shí)別模型在線訓(xùn)練模塊，用于將所述無(wú)人機(jī)實(shí)時(shí)拍攝的目標(biāo)森林區(qū)域的多光譜圖像傳輸給監(jiān)控中心的服務(wù)器；接收監(jiān)控中心的工作人員人工判斷得到的該圖像的標(biāo)簽值；利用該圖像的特征及人工判斷得到的標(biāo)簽值訓(xùn)練所述識(shí)別模型。
9.根據(jù)權(quán)利要求6所述的一種無(wú)人機(jī)多光譜圖像的智能林火識(shí)別裝置，其特征在于，圖像的特征包括溫度特征、煙霧特征及火焰特征；其中煙霧特征包括以下特征中的一種或多種:煙霧形狀特征、煙霧面積特征、煙霧紋理特征、煙霧輪廓特征；火焰特征包括以下特征中的一種或多種:火焰形狀特征、火焰面積特征、火焰紋理特征、火焰輪廓特征。
10.根據(jù)權(quán)利要求9所述的一種無(wú)人機(jī)多光譜圖像的智能林火識(shí)別裝置，其特征在于，所述標(biāo)簽值為不含有火情、一級(jí)強(qiáng)度的火情、二級(jí)強(qiáng)度的火情或三級(jí)強(qiáng)度的火情。
【專利摘要】本發(fā)明公開了一種無(wú)人機(jī)多光譜圖像的智能林火識(shí)別方法及裝置，屬于計(jì)算機(jī)視覺(jué)領(lǐng)域。本發(fā)明技術(shù)要點(diǎn)包括：步驟1：提取標(biāo)準(zhǔn)多光譜森林圖庫(kù)中圖像的特征，提取無(wú)人機(jī)航拍得到的目標(biāo)森林區(qū)域的多光譜圖庫(kù)中圖像的特征，利用兩種圖庫(kù)中各個(gè)圖像的特征及標(biāo)簽值訓(xùn)練識(shí)別模型；所述標(biāo)簽值為含有火情或不含有火情；步驟2：無(wú)人機(jī)實(shí)時(shí)獲取目標(biāo)森林區(qū)域的多光譜圖像并提取該圖像的特征；步驟3：將步驟2中的特征值輸入到訓(xùn)練后的識(shí)別模型中，識(shí)別模型計(jì)算得到該特征對(duì)應(yīng)的標(biāo)簽值。
【IPC分類】G06K9-00, G06K9-46, G06K9-62
【公開號(hào)】CN104834920
【申請(qǐng)?zhí)枴緾N201510267188
【發(fā)明人】龍學(xué)軍, 譚志國(guó), 徐一丹, 陸宏偉, 周劍
【申請(qǐng)人】成都通甲優(yōu)博科技有限責(zé)任公司
【公開日】2015年8月12日
【申請(qǐng)日】2015年5月25日